Thot Quality Management Kft

Disertația a fost publicată într-o formă editată de Hungarian Quality
XVI. Volumul 2, februarie 2007

Măsurarea performanței serviciilor futures
Modelul dinamic „SPAN”

Inginer Kaizen, Centura Neagră Six Sigma
GE Ungaria ZRt. Divizia Energie, Veresegyház

Una dintre cele mai frecvente metode de îmbunătățire a productivității în prezent este „fabricarea slabă”, cu expresia obișnuită în limba engleză „fabricarea slabă”. Unul dintre pilonii acestui lucru este livrarea la timp, Just-in-Time (JIT). Pentru ca JIT să fie fezabil, trebuie să cunoaștem procesul actual, trebuie să îi identificăm punctele slabe pentru a satisface așteptările, eliminându-le. Cu toate acestea, determinarea performanței actuale nu este o sarcină atât de ușoară.

Cea mai frecvent utilizată valoare din lume astăzi este definită după cum urmează:

Performanță = numărul de zile preconizate - numărul real de zile de performanță .

Astfel, fiecare performanță va avea un număr care poate fi negativ dacă am livrat mai devreme, poate fi zero dacă este la timp și poate fi pozitiv dacă am întârziat. Să vedem o astfel de secvență imaginară de numere, deja sortate după valoare crescătoare:
-4, -2, -2, -1, 0, 0, 0, 1, 1, 1, 2, 5 .
Ce putem face cu aceste date? Putem determina media, deviația standard sau intervalul median și intercuartil al acestui set de date.

Modelul static

Foarte des, această valoare este utilizată pentru a măsura în același timp mai multe servicii de runtime așteptate diferite, iar caracteristicile statistice ale acestui set de date sunt definite.
Este bună această metodă? Răspunsul nostru este clar: nu! De ce? Pe de o parte, se poate demonstra prin simulare că valorile extreme determină rezultatul, obținem o abatere standard mai mare decât este de fapt. Pe de altă parte, dacă nu îl ponderăm cu compoziția produsului, abaterea răspândirii de la cea reală va fi și mai mare. În ciuda varianței mari, media sau mediana poate fi zero, ceea ce indică bunătatea medie a procesului nostru, deși în realitate situația este complet diferită.

Pentru a evita eroarea de mai sus, luați în considerare un singur produs/serviciu, lăsați ca timpul de livrare așteptat să fie de 16 zile. Avem 646 puncte de date dintr-o perioadă recentă (reală!). Să facem o statistică descriptivă folosind software-ul statistic Minitab!

Ce putem spune despre performanța noastră? Media și mediana sunt aceleași –1, adică suntem foarte buni în medie, deoarece bunurile pot fi livrate cumpărătorului cu o zi mai devreme. Cu abaterea standard și IQT de 2 zile, nici aceasta nu este o valoare proastă. Domeniul de aplicare, pe de altă parte, este destul de mare, ceea ce ar trebui să fie motivant. Această analiză nu oferă o descriere corectă a performanței.

O altă obiecție este că acest tip de analiză este o descriere a unei condiții care a apărut, nu putem oferi o estimare statistică, deoarece nu știm ce distribuție urmează datele. Acesta este un model static.

Modelul cvasi-dinamic
Cea mai frecvent utilizată metodă de calcul din lume folosește percentile (percentile: împărțim o serie de numere în 100 de părți) pentru a măsura performanța, ceea ce numim un model cvasi-dinamic. Sunt posibile două metode:
- din definiția statistică a percentilei folosind excel.xls,
- folosind percentile de distribuție normală, probabilități cumulative.

Introducem o nouă metrică, căreia îi vom da numele în engleză, aceasta va fi „SPAN”, care nu se putea spune în acronime, în maghiară, bridge, span, cuvinte comune. Definiție:
SPAN = P (x) - P (100-x), unde P (x) este a X-a percentilă.
Cele mai frecvente sunt x = 95 și respectiv 99. Valoarea sa țintă este, desigur, zero.

Luați în considerare excel SPAN. Putem folosi funcțiile pentru a determina mediana și cele două percentile pentru a determina SPAN. Trebuie remarcat faptul că este dată definiția calculului percentilei, excel nu dă aceeași valoare numerică care ar urma din această definiție. Puteți vedea valorile în tabelul Excel de mai jos.

Din diagrama de distribuție normală reiese clar că valorile percentilei pentru probabilitățile date, deoarece distribuția nu este gaussiană, sunt departe de a fi aceleași cu valorile reale.

Cele două metode diferite oferă, de asemenea, două rezultate diferite, diferența pare a fi destul de mare. Din nou, ne putem pune întrebarea obișnuită, cunoaștem performanța reală a procesului nostru? Să răspundem din nou: nu. Cu toate acestea, știm deja mai mult decât înainte, valoarea metricei noastre este diferită de zero, astfel încât procesul nostru nu poate fi considerat ideal. (Dar știam deja asta.)

Alegerea valorilor percentilei este un element cheie al metodei. Dacă le alegem ca, să zicem, 25 și 75, tocmai recuperăm intervalul interquartil și doar 50% din setul de date a fost luat în considerare, pentru 90 și 10, sau chiar mai bine, procentul foarte mare de date și, bineînțeles - nu chiar tipic procesului nostru - eliminăm și abandonul.

Învățând metodele și valorile de mai sus, simțim o lipsă a acestora. Vrem să folosim o metodă de analiză care îndeplinește trei cerințe importante în același timp:
- oferă o descriere exactă a procesului nostru actual,
- vă ajută să vă stabiliți obiective pe termen scurt și lung,
- capabil să examineze eficacitatea dezvoltării.

Modelul dinamic
Despre ce e vorba? Despre respectarea unui anumit timp așteptat, adică o problemă precum aceea de ex. dacă o anumită sursă de lumină funcționează pentru timpul specificat, durata de viață a lagărului este numărul de rotații așteptat și așa mai departe. Pe baza liniei de raționament, ne putem urmări problema înapoi la o analiză de-a lungul vieții în care lucrăm cu distribuții de probabilitate bine cunoscute. Astfel de distribuții sunt, de exemplu, lognormale sau Weibull, a căror aplicare este fundamentală în industria surselor de lumină, astfel încât a fost evident să testăm acest lucru. Problema a venit chiar la început, această distribuție a fost interpretată doar în număr pozitiv. Este aceasta o problemă? Nu, haideți să folosim numărul de zile de livrare reale, să fie variabila noastră de probabilitate. Pentru analiză folosim un software numit WinSmith.

Figura 4: Localizarea datelor noastre pe rețeaua Weibull

Am întâmpinat o altă problemă, o parte semnificativă a datelor noastre nu se află pe linia Weibull, iar coeficientul de conformitate arată, de asemenea, că datele nu urmează o distribuție Weibull.

Privind cu atenție figura, ne apare o întrebare dacă este vorba de un singur proces?

Figura 5: Procesul nostru este de fapt un amestec de 3 procese

Separați cele trei procese, definiți un subproces timpuriu și unul tardiv și aveți un proces principal. După separare, toate cele trei procese urmează o distribuție Weibull și ceea ce este interesant este că 631 din cele 646 de date aparțin procesului principal, timpuriu și târziu reprezintă mai puțin de 2%.

Figura 6: Cele trei procese

Distincția dintre cele trei procese a fost confirmată de analizele ulterioare. Livrările timpurii au fost făcute din stoc sau au intrat în sistem cu întârziere, adică nu au făcut parte din procesul real (principal). Livrările cu întârziere s-au datorat lipsei de materiale, defecțiunilor mașinilor sau problemelor de calitate, adică nu fac parte integrantă din operațiunile normale de afaceri. Prin urmare, cele trei procese nu ar trebui analizate și îmbunătățite separat, ci separat.

Având în vedere procesul principal, datele urmează o distribuție statistică cu doi parametri, unde valoarea celor doi parametri determină distribuția, parametrul de scară („eta” în figură) și parametrul de formă (beta, adică panta liniei ). Am creat un model dinamic!

Figura 7: Procesul principal și parametrii care îl descriu

Să întrebăm din nou de ce este capabil procesul meu, dar deocamdată ne concentrăm doar pe procesul principal.

Figura 8: Performanța principală a procesului

Analiza statistică arată o imagine slabă a procesului nostru, suntem capabili să îndeplinim 75% din comenzi numai până la termenul stabilit. Acum putem vedea cu adevărat beneficiile metodei. Ce am fi făcut cu o mentalitate tradițională? Cu siguranță vom descoperi livrări timpurii și târzii, le vom percepe ca fiind principalele defecțiuni ale sistemului, vom decide și implementa o serie de măsuri și nu vom rezolva problema reală.

Dacă suntem interesați și de valoarea SPAN definită anterior a procesului principal, o putem determina și folosind probabilitățile distribuției Weibull.

Figura 9: Valoarea SPAN a procesului principal (B95-B5)

Valoarea SPAN a procesului principal a fost de 5,44 zile, în timp ce în cazul utilizării percentilelor Excel a fost de doar 3 zile și aceasta a inclus chiar abandonul timpuriu și cel târziu. Deși nu considerăm că SPAN este o măsură cu adevărat exactă, aproximarea Weibull este mai aproape de realitate.

Un alt avantaj al acestei metode este că putem întreba la orice termen limită preconizat care este probabilitatea că vom livra la timp și putem estima câte zile putem realiza un procent dat de comenzi.

Figura 10: 10, 25 și 50% îndeplinirea comenzilor

Din exemplu, putem vedea că numerele de scadență pentru procentele date sunt 13, 14 și, respectiv, 15 zile.

Înainte de a dezvolta metoda, au fost definite 3 cerințe importante. În opinia noastră, am realizat deja două dintre acestea. Am reușit să oferim o descriere exactă a procesului, deoarece am constatat că este vorba de fapt de 3 procese și, de asemenea, am dat performanța reală a procesului principal, suntem capabili să îndeplinim așteptările clienților doar în 75%. Ca rezultat al analizei, putem stabili obiective pe termen scurt și lung, realizările timpurii și tardive sunt create din motive critice externe și trebuie eliminate pe termen scurt. Nerespectarea procesului principal definește sarcinile pe termen lung, este necesar să se dezvăluie motivele interne care aparțin esenței procesului meu, care duc la neconformitate. Natura procesului determină ce metodă de utilizat, Six Sigma, 8D, PDCA, maparea fluxului de valori etc.

Dacă lucrarea de dezvoltare a fost realizată, este necesar să examinăm dacă am obținut într-adevăr o îmbunătățire semnificativă. Acesta a fost al treilea criteriu al nostru când am început sarcina.

Deoarece acesta este un model statistic dinamic, acest lucru nu ar trebui să fie o problemă. În figură, am trasat punctele procesului vechi și îmbunătățit în același timp și am tras cu 90% limite de încredere în jurul liniilor Weibull montate cu software-ul. Limitele de încredere nu se suprapun, ceea ce înseamnă că dezvoltarea a avut succes. Acest lucru este demonstrat și de cifre, în 16 zile doar 0,02% din cereri nu sunt îndeplinite.

Figura 11: Verificarea eficacității dezvoltării

rezumat
Am dezvoltat o nouă metodă de măsurare a performanței serviciilor futures pe baza unei distribuții statistice. În exemplul prezent, datele noastre au urmat distribuția Weibull, dar pot apărea alte distribuții. Pe baza experienței noastre de până acum, pe lângă Weibull, am întâlnit cel mai adesea o distribuție lognormală.

Am constatat că atunci când măsurăm astfel de performanțe, analiza poate fi efectuată numai pentru aceleași procese, pentru aceleași termene de îndeplinire așteptate, altfel rezultatele obținute oferă o imagine falsă a procesului care urmează să fie examinat.

Metoda poate fi utilizată atât pentru procesele tranzacționale tehnice, cât și pentru cele non-tehnice. În domeniile tehnice, acesta poate fi utilizat și pentru timpii de livrare, în plus față de livrarea la timp, pentru verificarea timpului pentru rezolvarea neconformităților etc.

În zonele tranzacționale, este potrivit pentru analiza timpului serviciilor, de exemplu, pentru examinarea momentului eliberării documentelor (carte de identitate, pașaport, permis de conducere, certificat de înmatriculare etc.). Poate fi utilizat și în cazurile în care nu există un termen limită așteptat, spre deosebire de aproximarea SPAN clasică, în care sunt luate în considerare diferențele. Poate fi, de asemenea, adecvat pentru analiza timpului de detectare a aceluiași tip de infracțiune, examinarea duratei unui anumit tip de dosar în justiție și determinarea numărului de zile petrecute în spital cu un anumit tip de boală. În orice loc în care timpul joacă un rol decisiv.

În studiile noastre, am folosit un software numit WinSmith, care a fost dezvoltat pentru analiza fiabilității. În practica zilnică, se poate utiliza orice software statistic (Statistica, Minitab etc.) capabil de analiză a fiabilității, adică capabil să gestioneze Weibull, lognormal și alte distribuții.